基于多参考序列的基因序列分级压缩方法
知识产权简介
本发明提出了一种基于多参考序列的基因序列分级压缩方法,该方法首先将BAM格式文件转化成SAM格式的文件,SAM格式的基因序列由11个强制域和多个可选域构成,将原文件按域提取成12个独立文件,然后对12个文件进行并行压缩:(1)对‘Sequence’域采用基于多个参考序列逐步减半序列长度的分级压缩方法;(2)对于‘Quality Value’域采用k均值聚类结合上下文建模PPMVC压缩的方法;该方案相对于现有的同格式的压缩方案既提高或保证了压缩效率,又提供了压缩等级的多选择性,使得其更有适应性与扩展性。